智能推荐绑架阅读？症结或在于算法还不够智能

2017-07-08 11:25

昨日，《人民日报》刊载了一篇题为《新闻莫被算法“绑架”》的文章。文章中指出，一些痴迷于技术算法的新闻客户端愈发“简单粗暴”。点开某篇文章之后，就会迅速被大量相似内容刷屏，并且无法拒绝。《人民日报》认为，媒体被算法、流量和点击量绑架，而削弱了对新闻真实、全面、独立等准则的坚守。
随着人工智能的发展，算法推荐越来越成为了科技界乃至媒体圈推崇的技术手段。从长远角度来看，算法推荐是技术与时代发展到一定程度所出现的必然现象。算法推荐在全球范围内都已成为一种不可阻挡的趋势，并且随着时代的发展，算法推荐必然会成为未来内容领域的主流之一。
当然，在算法推荐发展的过程中，也不可避免地出现了一些问题。在《人民日报》的文章中，指出了算法推荐中存在的简单粗暴、低质量等一系列缺陷。这些问题是确实存在的，也不应回避。虽然目前算法推荐非常火爆，但还需要更加理智和人性化。如果能提升技术水平和树立正确的态度，相信在未来，这些问题也是可以被克服的。
一、算法推荐种类颇多，应用领域愈发广泛
算法推荐，就是利用用户的一些行为，通过数学算法，推测出用户可能喜欢的东西。推荐算法大致可以分为基于内容的推荐算法、协同过滤推荐算法和基于知识的推荐算法。

基于内容的推荐算法，是根据用户的喜好和关注过的条目（Item）而进行推荐的。比如你看了《死神来了》第一部，那么基于内容的推荐算法就会发现这个电影的后四部和你之前观看的内容有很大的联系，并加以推荐。
这种方法有效地避免了Item冷启动的问题。所谓冷启动，就是如果Item未被关注过，那么其他推荐算法就很少会去推荐。但基于内容的推荐算法则不然，它可以分析Item间的关系，从而实现推荐行为。
不过，这种方法也有弊端，就是Item有很大程度上的重复可能。比如你看了一则关于马航的新闻，那么很多推荐就可能是你浏览过的，甚至是内容一致的新闻。此外，基于内容的推荐算法很难提取到如音乐、电影等多媒体内容的特征，因此很难进行推荐。而目前的解决办法是给这些Item人工打标签，耗费成本较大，不太划算。
协同过滤算法的原理是推荐兴趣相似的用户喜欢过的内容。比如你的朋友喜欢《死神来了》，那么也会推荐给你，这即是最简单的基于用户的协同过滤算法。另外还有一种是基于Item的协同过滤算法。二者都是将用户的全部数据读入到内存中进行

余下全部

共有评论0条